人脸识别之人脸关键特征识别

从直觉上判断，图像中像素的重要性程度肯定不一样，比如眼睛、鼻子、嘴巴等部位的像素重要性应该更高，对结果有更大的影响。而脸部中间部位的像素重要性比较低，甚至都没有参与运算的必要性。

研究表明，确实有很多像素没有参与运算的必要，这些像素被去除后不影响识别结果，还可以加快识别速度，并提升模型鲁棒性。

实现过程

以上简单描述了人脸关键特征的计算方法。在实际应用中，需要借助于统计分析的技术，从大量的人脸中找到对应的特征，并通过训练出不同的分类器，如嘴巴分类器、眼睛分类器等，从而实现人脸及关键部位的检测。

在进行比对时，需要对包含脸部的所有可能检测窗口进行穷举搜索，得到关键部位信息，并进行存储或比对，这个过程相对比较耗时。在比对过程中，可以使用各个部位进行相似性比对，并进行结果合并；或者直接对包含各个部件的全局特征进行比对，直接输出比对结果。

有研究表明，儿童识别目标（如人脸）往往依据目标的某些局部特征，而成年人则侧重于记住目标的全局。

人脸特征的探测也可作为一种图像预处理手段，如果确定了两眼的位置，得到两眼间的距离，依此就可得到人脸的尺度大小，进行尺度标准化处理，解决人员距离***远近的问题。从理论上来说，人脸的关键部位特征相对比较稳定，对人脸、方向等没有过多要求，通过算法提取的特征能准确反映对象的特征，具有一定的不变性，保证了结果输出的一致性，能够满足人脸识别在早期各应用场景的使用。

人脸识别（Face Recognition）实现了图像或视频中人脸的检测、分析和比对，包括人脸检测***、人脸属性识别和人脸比对等***服务模块，可为开发者和企业提供的在线API服务，应用于人脸AR、人脸识别和认证、大规模人脸检索、照片管理等各种场景。

人脸特征点***

功能：提取图像中的人脸五官关键点，输出关键点位置信息。

优势：可毫秒级识别人脸105个关键点***(眉毛24点，眼睛32点，鼻子6点，嘴巴34点，外轮廓9点)。

应用场景：可为人脸美化/***、人脸认证、检索、3D人脸等功能提供基础信息。